基于自然最近邻居的离群检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要内容 | 第10-12页 |
| 2 离群数据挖掘相关知识 | 第12-20页 |
| 2.1 数据挖掘理论 | 第12-13页 |
| 2.1.1 数据挖掘背景 | 第12页 |
| 2.1.2 数据挖掘定义 | 第12-13页 |
| 2.2 数据挖掘系统的分类与功能 | 第13-15页 |
| 2.2.1 数据挖掘分类 | 第13页 |
| 2.2.2 数据挖掘功能 | 第13-15页 |
| 2.3 离群点产生的原因 | 第15页 |
| 2.4 离群数据挖掘的定义 | 第15页 |
| 2.5 离群数据挖掘过程 | 第15-19页 |
| 2.5.1 数据清理阶段 | 第16页 |
| 2.5.2 数据集成阶段 | 第16页 |
| 2.5.3 数据选择阶段 | 第16页 |
| 2.5.4 数据变换阶段 | 第16-18页 |
| 2.5.5 离群数据挖掘阶段 | 第18-19页 |
| 2.5.6 模式评估阶段 | 第19页 |
| 2.5.7 数据知识表示阶段 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 3 离群数据挖掘算法 | 第20-29页 |
| 3.1 基于统计的离群点检测算法 | 第20-21页 |
| 3.2 基于距离的离群点检测算法 | 第21-22页 |
| 3.3 基于密度的离群点检测算法 | 第22-24页 |
| 3.4 基于偏差的离群点检测算法 | 第24-25页 |
| 3.5 基于聚类的离群点检测算法 | 第25页 |
| 3.6 研究热点 | 第25-28页 |
| 3.6.1 高维海量数据集离群挖掘 | 第26页 |
| 3.6.2 空间离群点的挖掘 | 第26-27页 |
| 3.6.3 时序离群点的挖掘 | 第27-28页 |
| 3.7 本章小结 | 第28-29页 |
| 4 自然最近邻技术 | 第29-36页 |
| 4.1 自然最近邻居概述 | 第29-30页 |
| 4.2 原始算法问题分析 | 第30页 |
| 4.3 改进的自然最近邻 | 第30-33页 |
| 4.3.1 邻居的定义 | 第30-31页 |
| 4.3.2 改进的自然最近邻居算法 | 第31-32页 |
| 4.3.3 改进后算法有效性验证 | 第32-33页 |
| 4.4 自然最近邻域图 | 第33-34页 |
| 4.5 自然邻居的时间复杂度分析 | 第34-35页 |
| 4.6 本章小结 | 第35-36页 |
| 5 基于自然邻居的离群点检测算法 | 第36-45页 |
| 5.1 基于自然邻居的离群点检测算法核心思想 | 第36-37页 |
| 5.2 基于自然邻居的离群点检测算法定义 | 第37-38页 |
| 5.3 基于自然邻居的离群点检测算法描述 | 第38页 |
| 5.4 仿真实验 | 第38-44页 |
| 5.4.1 人工数据集上的对比实验 | 第38-41页 |
| 5.4.2 UCI 真实数据集上的对比实验 | 第41-44页 |
| 5.5 本章小结 | 第44-45页 |
| 6 总结与展望 | 第45-47页 |
| 6.1 论文工作总结 | 第45页 |
| 6.2 后续工作展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52页 |
| A. 作者在攻读学位期间发表的论文目录 | 第52页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第52页 |
